Syntetisk datagenerering för sekretesskontroll

Syntetisk datagenerering är en statistisk teknik för begränsning av sekretess, introducerad av Donald Rubin 1993, där värden i ett konfidentiellt dataset ersätts med dragningar från en anpassad posterior prediktiv fördelning istället för att släppas direkt. De resulterande artificiella posterna bevarar den ursprungliga datans gemensamma statistiska struktur samtidigt som de förhindrar identifiering av verkliga individer, vilket gör det möjligt för analytiker att arbeta med ett offentligt tillgängligt dataset som beter sig som originalet för de flesta inferensändamål.